基于改进LeNet-5的交通标志识别算法研究

摘要

交通标志识别作为自动驾驶系统和驾驶员辅助系统中的重要组成部分,对行车安全有着直接的影响。以真实场景下采集的比利时交通标志数据集为研究对象,通过对交通标志图像特点的研究,对轻量级经典卷积神经网络Lenet-5进行四大改进,包括为适应交通标志图像进行的基础结构调整、提升数据集平衡性的数据增广、加入改善过拟合的Dropout策略以及加入批量归一化层。实验结果表明,由此得到的TSRCNN模型能够有效提取交通标志的特征,在比利时交通标志数据集上识别准确率达98.56%。